CN107770103A - 一种基于ssor迭代的大规模mimo信号检测方法 - Google Patents
一种基于ssor迭代的大规模mimo信号检测方法 Download PDFInfo
- Publication number
- CN107770103A CN107770103A CN201710842297.XA CN201710842297A CN107770103A CN 107770103 A CN107770103 A CN 107770103A CN 201710842297 A CN201710842297 A CN 201710842297A CN 107770103 A CN107770103 A CN 107770103A
- Authority
- CN
- China
- Prior art keywords
- mrow
- matrix
- msup
- iteration
- ssor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 45
- 239000011159 matrix material Substances 0.000 claims abstract description 67
- 238000000034 method Methods 0.000 claims abstract description 19
- 238000005562 fading Methods 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 abstract description 2
- 238000004364 calculation method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
- H04L25/024—Channel estimation channel estimation algorithms
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
- H04B7/0413—MIMO systems
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/02—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas
- H04B7/04—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas
- H04B7/08—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station
- H04B7/0837—Diversity systems; Multi-antenna system, i.e. transmission or reception using multiple antennas using two or more spaced independent antennas at the receiving station using pre-detection combining
- H04B7/0842—Weighted combining
- H04B7/0848—Joint weighting
- H04B7/0854—Joint weighting using error minimizing algorithms, e.g. minimum mean squared error [MMSE], "cross-correlation" or matrix inversion
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
- H04L25/024—Channel estimation channel estimation algorithms
- H04L25/0256—Channel estimation using minimum mean square error criteria
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Radio Transmission System (AREA)
Abstract
本发明公开了一种基于SSOR迭代的大规模MIMO信号检测方法，该方法包括：(1)根据信道响应矩阵H构造MMSE检测矩阵T；(2)将检测矩阵T分解为矩阵T＝D+L+U，其中D表示T的对角矩阵，L代表T的严格下三角矩阵，U代表T的严格上三角矩阵，且U＝LH；(3)采用信道硬化现象对估计SSOR迭代算法的最优松弛系数；(4)根据矩阵D、L和最优松弛系数，采用SSOR迭代法对经接收端匹配滤波器输出的接收信号矩阵进行检测得到发射信号估计值
Description
技术领域
本发明涉及无线通信技术领域，尤其涉及一种基于SSOR迭代的大规模MIMO信号检测方法。
背景技术
大规模MIMO(Large Scale-Multiple-Input Multiple-Output,LS-MIMO)系统是第五代移动通信系统的关键技术之一，通过在基站和用户端配备大量天线，显著地提高系统的信道容量、数据传输速率、频谱效率和通信质量。由于天线数的增多，许多适用于传统MIMO系统的高性能的算法不再适用于大规模MIMO系统，这些算法往往会产生较高的复杂度。因此如何在维持较好性能的同时降低算法复杂度成为了一个急需解决的问题。
传统的信号检测算法可以根据运算特性分为线性检测算法和非线性两类。线性检测算法是使用线性运算处理信息，算法实现简单，计算复杂度低。主要有迫零检测(ZF)、匹配滤波检测(MF)和最小均方误差检测(MMSE)等。非线性检测是使用非线性运算处理信息，可以获得很好的系统性能，例如ML检测，但是计算复杂度过高，不适用于大规模MIMO系统。
在线性检测算法中，MMSE检测算法具有很好的性能和较低的复杂度。但是随着天线数目的增加，MMSE检测算法存在高维矩阵求逆的过程，具有很高的计算复杂度。
发明内容
发明目的：本发明针对现有技术存在的问题，提供一种基于对称逐步超松弛(SSOR)迭代的大规模MIMO信号检测方法，该方法采用SSOR迭代法对高维矩阵求逆过程进行估计，将矩阵求逆过程转化为矩阵乘法和矩阵加法的迭代过程，大大降低了计算复杂度。
技术方案：本发明所述的基于SSOR迭代的大规模MIMO信号检测方法包括：
(1)根据信道响应矩阵H构造MMSE检测矩阵T；
(2)将检测矩阵T分解为矩阵T＝D+L+U，其中D表示T的对角矩阵，L代表T的严格下三角矩阵，U代表T的严格上三角矩阵，且U＝LH；
(3)采用信道硬化现象对估计SSOR迭代算法的最优松弛系数；
(4)根据矩阵D、L和最优松弛系数，采用SSOR迭代法对经接收端匹配滤波器输出的接收信号矩阵进行检测得到发射信号估计值
进一步的，步骤(1)具体包括：
根据信道响应矩阵H按照以下公式构造出构造MMSE检测矩阵T：
式中，σ2表示噪声方差，表示Nt×Nt的单位矩阵，Nt表示发射天线数目。
进一步的，所述步骤(3)中得到的最优松弛系数其中，Nr表示接收天线数目，Nt表示发射天线数目。
进一步的，步骤(4)具体包括：
(4-1)设置初始值g(0)＝0，迭代次数k＝1；
(4-2)根据矩阵D和L按照下式更新：
式中，w表示最优松弛系数；
(4-3)判断迭代次数是否达到预设迭代次数J，若未达到，则将k＝k+1，并返回步骤(4-2)，若已达到，则停止迭代，迭代截止时的值即为发射信号估计值
进一步的，步骤4)中所述经接收端匹配滤波器输出的接收信号矩阵y表示接收信号。
进一步的，所述信道响应矩阵H具体为瑞丽衰落信道响应矩阵。
有益效果：本发明与现有技术相比，其显著优点是：本发明提供一种基于对称逐步超松弛(SSOR)迭代的大规模MIMO信号检测方法，该方法采用SSOR迭代法对高维矩阵求逆过程进行估计，将矩阵求逆过程转化为矩阵乘法和矩阵加法的迭代过程，大大降低了计算复杂度，并且利用信道硬化现象计算得到了最优松弛系数，使得迭代收敛性更好。
附图说明
图1是本发明在信道为瑞利衰落信道，基站侧接收天线数为256，用户数为32的条件下，对基于SSOR迭代的大规模MIMO信号检测算法得到的误码性能和Neumann级数展开算法以及传统MMSE检测算法得到的误码性能进行比较。
图2是本发明在信道为瑞利衰落信道，基站侧接收天线数为256，用户数为32的条件下，对基于SSOR迭代的大规模MIMO信号检测算法得到的误码性能和Newton迭代算法以及传统MMSE检测算法得到的误码性能进行比较。
具体实施方式
下面对具体实施进行详细的描述。
本发明所适用的系统模型为：
y＝Hx+w
式中是基站侧接收信号，是发射端发送的信号，Nr表示接收天线数目，Nt表示发射天线数目，是加性高斯白噪声，表示瑞丽衰落信道。传统MMSE检测得到的表达式为：
其中矩阵H表示信道矩阵，σ2表示噪声方差，y表示接收信号，I表示单位矩阵。可以看出信号检测问题转化成了求解线性方程组问题，即可以证明在大规模MIMO系统中矩阵T既是对角占优矩阵又是Hermitian正定矩阵，所以可以用基于SSOR迭代的大规模MIMO信号检测方法(MSSD)去检测发射信号具体包括步骤：
(1)根据信道响应矩阵H构造MMSE检测矩阵
(2)将检测矩阵T分解为矩阵T＝D+L+U，其中D表示T的对角矩阵，L代表T的严格下三角矩阵，U代表T的严格上三角矩阵，T是一个Hermitian正定矩阵，所以U＝LH。
(3)采用信道硬化现象对估计SSOR迭代算法的最优松弛系数。
对松弛系数的求解可以利用大规模系统中的信道硬化现象进行近似估计，信道硬化现象是指随着信道矩阵H的维度的怎增大(也就是Nr和Nt的增大)，矩阵HHH的对角线元素与非对角线元素的比值越来越大，即当Nr和Nt非常大时
松弛系数w对检测算法的收敛性能有很大的影响，我们可以得到松弛系数w的最优解为：
BJ是雅各比迭代算法的迭代矩阵,BJ＝-D-1(L+U)。ρ(BJ)是迭代矩阵BJ的谱半径,直接计算谱半径ρ(BJ)是比较复杂的,可以大规模MIMO系统中的利用信道硬化现象去获得近似最优松弛系w。
ρ(BJ)＝ρ(-D-1(L+U))＝ρ(-D-1(T-D))
＝ρ(I-D-1T)
因为信道硬化，即可以用代替D-1，则公式可以转化为：
最后可以得到近似最优松弛系数为：其中
(4)根据矩阵D、L和最优松弛系数，采用SSOR迭代法对经接收端匹配滤波器输出的接收信号矩阵进行检测得到发射信号估计值
步骤(4)具体包括：
(4-1)设置初始值g(0)＝0，迭代次数k＝1；
(4-2)根据矩阵D和L按照下式更新：
(4-3)判断迭代次数是否达到预设迭代次数J，若未达到，则将k＝k+1，并返回步骤(4-2)，若已达到，则停止迭代，迭代截止时的值即为发射信号估计值
实验结果如图1和2所示，可知，当迭代次数超过4时，基于SSOR的MMSE检测算法的误码性能几乎与传统MMSE检测算法相同。同时结果表明，基于SSOR迭代的MMSE检测算法性能要优于Neumann级数展开算法和Newton迭代算法。
以上所揭露的仅为本发明一种较佳实施例而已，不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。
Claims (6)
1.一种基于SSOR迭代的大规模MIMO信号检测方法，其特征在于该方法包括：
(1)根据信道响应矩阵H构造MMSE检测矩阵T；
(2)将检测矩阵T分解为矩阵T＝D+L+U，其中D表示T的对角矩阵，L代表T的严格下三角矩阵，U代表T的严格上三角矩阵，且U＝LH；
(3)采用信道硬化现象对估计SSOR迭代算法的最优松弛系数；
(4)根据矩阵D、L和最优松弛系数，采用SSOR迭代法对经接收端匹配滤波器输出的接收信号矩阵进行检测得到发射信号估计值
2.根据权利要求1所述的基于SSOR迭代的大规模MIMO信号检测方法，其特征在于：步骤(1)具体包括：
根据信道响应矩阵H按照以下公式构造出构造MMSE检测矩阵T：
<mrow>
<mi>T</mi>
<mo>=</mo>
<msup>
<mi>H</mi>
<mi>H</mi>
</msup>
<mi>H</mi>
<mo>+</mo>
<msup>
<mi>&sigma;</mi>
<mn>2</mn>
</msup>
<msub>
<mi>I</mi>
<msub>
<mi>N</mi>
<mi>t</mi>
</msub>
</msub>
</mrow>
式中，σ2表示噪声方差，表示Nt×Nt的单位矩阵，Nt表示发射天线数目。
3.根据权利要求1所述的基于SSOR迭代的大规模MIMO信号检测方法，其特征在于：所述步骤(3)中得到的最优松弛系数其中，Nr表示接收天线数目，Nt表示发射天线数目。
4.根据权利要求1所述的基于SSOR迭代的大规模MIMO信号检测方法，其特征在于：步骤(4)具体包括：
(4-1)设置初始值g(0)＝0，迭代次数k＝1；
(4-2)根据矩阵D和L按照下式更新：
<mrow>
<msup>
<mi>g</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</msup>
<mo>=</mo>
<mrow>
<mo>(</mo>
<mo>(</mo>
<mrow>
<mrow>
<mo>(</mo>
<mrow>
<mfrac>
<mn>1</mn>
<mi>w</mi>
</mfrac>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
</mrow>
<mi>D</mi>
<mo>-</mo>
<msup>
<mi>L</mi>
<mi>H</mi>
</msup>
</mrow>
<mo>)</mo>
<msup>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</msup>
<mo>+</mo>
<mover>
<mi>y</mi>
<mo>^</mo>
</mover>
<mo>)</mo>
</mrow>
<msup>
<mrow>
<mo>(</mo>
<mfrac>
<mn>1</mn>
<mi>w</mi>
</mfrac>
<mi>D</mi>
<mo>+</mo>
<mi>L</mi>
<mo>)</mo>
</mrow>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
</mrow>
<mrow>
<msup>
<mover>
<mi>x</mi>
<mo>^</mo>
</mover>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</msup>
<mo>=</mo>
<mrow>
<mo>(</mo>
<mo>(</mo>
<mrow>
<mrow>
<mo>(</mo>
<mrow>
<mfrac>
<mn>1</mn>
<mi>w</mi>
</mfrac>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
</mrow>
<mi>D</mi>
<mo>-</mo>
<mi>L</mi>
</mrow>
<mo>)</mo>
<msup>
<mi>g</mi>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</msup>
<mo>+</mo>
<mover>
<mi>y</mi>
<mo>^</mo>
</mover>
<mo>)</mo>
</mrow>
<msup>
<mrow>
<mo>(</mo>
<mfrac>
<mn>1</mn>
<mi>w</mi>
</mfrac>
<mi>D</mi>
<mo>+</mo>
<msup>
<mi>L</mi>
<mi>H</mi>
</msup>
<mo>)</mo>
</mrow>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
</mrow>
式中，w表示最优松弛系数；
(4-3)判断迭代次数是否达到预设迭代次数J，若未达到，则将k＝k+1，并返回步骤(4-2)，若已达到，则停止迭代，迭代截止时的值即为发射信号估计值
5.根据权利要求1所述的基于SSOR迭代的大规模MIMO信号检测方法，其特征在于：步骤(4)中所述经接收端匹配滤波器输出的接收信号矩阵y表示接收信号。
6.根据权利要求1所述的基于SSOR迭代的大规模MIMO信号检测方法，其特征在于：所述信道响应矩阵H具体为瑞丽衰落信道响应矩阵。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710842297.XA CN107770103A (zh) | 2017-09-18 | 2017-09-18 | 一种基于ssor迭代的大规模mimo信号检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710842297.XA CN107770103A (zh) | 2017-09-18 | 2017-09-18 | 一种基于ssor迭代的大规模mimo信号检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107770103A true CN107770103A (zh) | 2018-03-06 |
Family
ID=61265983
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710842297.XA Pending CN107770103A (zh) | 2017-09-18 | 2017-09-18 | 一种基于ssor迭代的大规模mimo信号检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107770103A (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108736935A (zh) * | 2018-05-18 | 2018-11-02 | 东南大学 | 一种用于大规模mimo系统信号检测的通用下降搜索方法 |
| CN109245804A (zh) * | 2018-08-27 | 2019-01-18 | 江南大学 | 基于雅可比迭代的大规模mimo信号检测方法 |
| CN109257076A (zh) * | 2018-09-20 | 2019-01-22 | 东南大学 | 基于大规模MIMO的压缩Landweber检测方法及架构 |
| CN109379116A (zh) * | 2018-10-30 | 2019-02-22 | 东南大学 | 基于切比雪夫加速法与sor算法的大规模mimo线性检测算法 |
| CN109391315A (zh) * | 2018-09-13 | 2019-02-26 | 东南大学 | 一种数据模型双驱动的mimo接收机 |
| CN111193534A (zh) * | 2020-01-08 | 2020-05-22 | 重庆邮电大学 | 一种大规模mimo系统中的低复杂度信号检测方法 |
| CN111478749A (zh) * | 2020-02-16 | 2020-07-31 | 西安电子科技大学 | 基于优化初值快收敛mimo迭代检测方法、系统及应用 |
| CN111510403A (zh) * | 2020-04-14 | 2020-08-07 | 重庆邮电大学 | 一种基于对称lq的大规模mimo系统迭代信号检测方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7136437B2 (en) * | 2002-07-17 | 2006-11-14 | Lucent Technologies Inc. | Method and apparatus for receiving digital wireless transmissions using multiple-antenna communication schemes |
| WO2017116292A1 (en) * | 2015-12-29 | 2017-07-06 | Telefonaktiebolaget Lm Ericsson (Publ) | Method and receiving node for detecting signals transmitted by multiple users |
| CN107070514A (zh) * | 2017-01-20 | 2017-08-18 | 南京邮电大学 | 一种优化的大规模mimo信号检测方法 |
| CN107094043A (zh) * | 2017-05-23 | 2017-08-25 | 西安电子科技大学 | 基于块迭代法的改进后的mmse低复杂度信号检测方法 |
-
2017
- 2017-09-18 CN CN201710842297.XA patent/CN107770103A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7136437B2 (en) * | 2002-07-17 | 2006-11-14 | Lucent Technologies Inc. | Method and apparatus for receiving digital wireless transmissions using multiple-antenna communication schemes |
| WO2017116292A1 (en) * | 2015-12-29 | 2017-07-06 | Telefonaktiebolaget Lm Ericsson (Publ) | Method and receiving node for detecting signals transmitted by multiple users |
| CN107070514A (zh) * | 2017-01-20 | 2017-08-18 | 南京邮电大学 | 一种优化的大规模mimo信号检测方法 |
| CN107094043A (zh) * | 2017-05-23 | 2017-08-25 | 西安电子科技大学 | 基于块迭代法的改进后的mmse低复杂度信号检测方法 |
Non-Patent Citations (4)
| Title |
|---|
| JIAQI NING ET AL: "Low complexity signal detector based on SSOR method for massive MIMO systems", 《2015 IEEE INTERNATIONAL SYMPOSIUM ON BROADBAND MULTIMEDIA SYSTEMS AND BROADCASTING》 * |
| TIAN XIE ET AL: "Low-Complexity SSOR-Based Precoding for Massive MIMO Systems", 《IEEE COMMUNICATIONS LETTERS》 * |
| 华权等: "基于对称连续超松弛的大规模MIMO信号检测算法", 《电子技术应用》 * |
| 龙恳: "一种基于SSOR的大规模MIMO线性预编码方案", 《无线互联科技》 * |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108736935A (zh) * | 2018-05-18 | 2018-11-02 | 东南大学 | 一种用于大规模mimo系统信号检测的通用下降搜索方法 |
| CN108736935B (zh) * | 2018-05-18 | 2021-02-26 | 东南大学 | 一种用于大规模mimo系统信号检测的通用下降搜索方法 |
| CN109245804B (zh) * | 2018-08-27 | 2020-10-09 | 江南大学 | 基于雅可比迭代的大规模mimo信号检测方法 |
| CN109245804A (zh) * | 2018-08-27 | 2019-01-18 | 江南大学 | 基于雅可比迭代的大规模mimo信号检测方法 |
| CN109391315B (zh) * | 2018-09-13 | 2021-07-20 | 东南大学 | 一种数据模型双驱动的mimo接收机 |
| CN109391315A (zh) * | 2018-09-13 | 2019-02-26 | 东南大学 | 一种数据模型双驱动的mimo接收机 |
| CN109257076A (zh) * | 2018-09-20 | 2019-01-22 | 东南大学 | 基于大规模MIMO的压缩Landweber检测方法及架构 |
| CN109257076B (zh) * | 2018-09-20 | 2020-06-30 | 东南大学 | 基于大规模MIMO的压缩Landweber检测方法及系统 |
| CN109379116B (zh) * | 2018-10-30 | 2021-04-27 | 东南大学 | 基于切比雪夫加速法与sor算法的大规模mimo线性检测算法 |
| CN109379116A (zh) * | 2018-10-30 | 2019-02-22 | 东南大学 | 基于切比雪夫加速法与sor算法的大规模mimo线性检测算法 |
| CN111193534B (zh) * | 2020-01-08 | 2021-04-06 | 重庆邮电大学 | 一种大规模mimo系统中的低复杂度信号检测方法 |
| CN111193534A (zh) * | 2020-01-08 | 2020-05-22 | 重庆邮电大学 | 一种大规模mimo系统中的低复杂度信号检测方法 |
| CN111478749A (zh) * | 2020-02-16 | 2020-07-31 | 西安电子科技大学 | 基于优化初值快收敛mimo迭代检测方法、系统及应用 |
| CN111478749B (zh) * | 2020-02-16 | 2021-08-31 | 西安电子科技大学 | 基于优化初值快收敛mimo迭代检测方法、系统及应用 |
| CN111510403A (zh) * | 2020-04-14 | 2020-08-07 | 重庆邮电大学 | 一种基于对称lq的大规模mimo系统迭代信号检测方法 |
| CN111510403B (zh) * | 2020-04-14 | 2022-08-09 | 重庆邮电大学 | 一种基于对称lq的大规模mimo系统迭代信号检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107770103A (zh) | 一种基于ssor迭代的大规模mimo信号检测方法 | |
| CN109245804B (zh) | 基于雅可比迭代的大规模mimo信号检测方法 | |
| CN107070514B (zh) | 一种优化的大规模mimo信号检测方法 | |
| US9729277B2 (en) | Signal detecting method and device | |
| CN104601498B (zh) | 一种基于张量模型的信道估计方法和装置 | |
| CN109617579B (zh) | 增强型诺依曼大规模mimo预编码方法 | |
| CN106130936A (zh) | 一种Alpha稳定分布噪声环境下的非线性信道均衡方法 | |
| CN103378945A (zh) | 多用户多输入多输出系统的预编码方法及装置 | |
| CN107231177B (zh) | 基于大规模mimo的高效cr检测方法和架构 | |
| CN102882579A (zh) | 一种用于多天线系统的并行矩阵求逆方法 | |
| CN105610484B (zh) | 大规模mimo低复杂度迭代接收方法 | |
| CN108736934B (zh) | 一种大规模mimo系统信号检测方法 | |
| CN102801456A (zh) | 单小区中继移动通信蜂窝系统的联合下行预编码方法 | |
| CN102868434B (zh) | 一种mimo检测方法及装置 | |
| CN107733487B (zh) | 一种大规模多输入多输出系统的信号检测方法及装置 | |
| CN107196686B (zh) | 一种带有预处理操作的大规模mimo系统信号检测方法 | |
| CN107181510A (zh) | 一种大规模mimo系统中基于去相关的预编码方法 | |
| CN110753012A (zh) | 一种时间反演多址系统的多用户检测算法 | |
| CN107248876B (zh) | 基于稀疏贝叶斯学习的广义空间调制符号检测方法 | |
| CN102340465B (zh) | 频域均衡的方法及均衡装置 | |
| US9184946B2 (en) | Equaliser for wireless receivers with normalised coefficients | |
| CN110798249B (zh) | Massive MIMO系统中信号快速收敛联合预编码方法、信号传输方法 | |
| CN113271123B (zh) | 一种新型计算信道解码的llr近似值的方法和系统 | |
| CN115001544B (zh) | 基于改进Richardson算法的信号检测方法 | |
| CN102647214B (zh) | 多天线空间复用干扰抵消方法和通信系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180306 |